21 მაისი, 2025

New tools and features in the Responses API

იტვირთება…

დღეს Responses API-ში ვამატებთ ახალ ჩაშენებულ ხელსაწყოებს — ჩვენს ძირითად API პრიმიტივს აგენტური აპლიკაციების შესაქმნელად. ეს მოიცავს მხარდაჭერას ყველა დისტანციური Model Context Protocol (MCP) სერვერისთვის⁠(იხსნება ახალ ფანჯარაში), ასევე ისეთ ხელსაწყოებს, როგორიცაა სურათის გენერირება⁠(იხსნება ახალ ფანჯარაში), Code Interpreter⁠(იხსნება ახალ ფანჯარაში), და გაუმჯობესებები ფაილების ძიებაში⁠(იხსნება ახალ ფანჯარაში). ეს ხელსაწყოები ხელმისაწვდომია ჩვენს GPT‑4o სერიაში, GPT‑4.1 სერიაში და OpenAI-ის o-სერიის მსჯელობის მოდელებში. o3‑სა და o4-mini-ს ახლა შეუძლიათ Responses API-ში პირდაპირ, საკუთარი აზროვნების ჯაჭვის ფარგლებში, ხელსაწყოებისა და ფუნქციების გამოძახება, რის შედეგადაც პასუხები უფრო კონტექსტურად მდიდარი და რელევანტური ხდება. Responses API-თან ერთად o3‑ისა და o4-mini-ის გამოყენება მოთხოვნებსა და ხელსაწყოების გამოძახებებს შორის ინარჩუნებს მსჯელობის token-ებს, რაც აუმჯობესებს მოდელის ინტელექტს და დეველოპერებისთვის ამცირებს ხარჯსა და დაყოვნებას.

ასევე წარმოგიდგენთ Responses API-ის ახალ ფუნქციებს, რომლებიც საწარმოებისა და დეველოპერებისთვის აუმჯობესებს საიმედოობას, ხილვადობას და კონფიდენციალურობას. მათ შორისაა ფონური რეჟიმი⁠(იხსნება ახალ ფანჯარაში), რათა გრძელვადიანი ამოცანები ასინქრონულად და უფრო საიმედოდ დამუშავდეს, მხარდაჭერა მსჯელობის შეჯამებებისთვის⁠(იხსნება ახალ ფანჯარაში), და მხარდაჭერა დაშიფრული მსჯელობის ელემენტებისთვის⁠(იხსნება ახალ ფანჯარაში).

მას შემდეგ, რაც 2025 წლის მარტში გამოვუშვით Responses API ისეთი ხელსაწყოებით, როგორიცაა ვებძებნა, ფაილების ძიება და კომპიუტერის გამოყენება, ასიათასობით დეველოპერმა გამოიყენა API ჩვენს მოდელებში ტრილიონობით token-ის დასამუშავებლად. მომხმარებლებმა API გამოიყენეს სხვადასხვა აგენტური აპლიკაციის შესაქმნელად, მათ შორის Zencoder-ის⁠(იხსნება ახალ ფანჯარაში) კოდირების აგენტი, Revi-ის⁠(იხსნება ახალ ფანჯარაში) საბაზრო ინტელექტის აგენტი კერძო კაპიტალისა და საინვესტიციო ბანკინგისთვის, და MagicSchool AI⁠(იხსნება ახალ ფანჯარაში)-ის საგანმანათლებლო ასისტენტი — ყველა მათგანი იყენებს ვებძებნას, რათა აპლიკაციაში შეიტანოს რელევანტური, განახლებული ინფორმაცია. ახლა დეველოპერებს შეუძლიათ შექმნან კიდევ უფრო სასარგებლო და საიმედო აგენტები იმ ახალ ხელსაწყოებსა და ფუნქციებზე წვდომით, რომლებიც დღეს გამოვუშვით.

ახალი მხარდაჭერა დისტანციური MCP სერვერებისთვის

Responses API-ში ვამატებთ მხარდაჭერას დისტანციური MCP სერვერებისთვის⁠(იხსნება ახალ ფანჯარაში), რაც ეფუძნება აგენტების SDK-ში MCP მხარდაჭერის⁠(იხსნება ახალ ფანჯარაში) გამოშვებას. MCP არის ღია პროტოკოლი, რომელიც სტანდარტიზებას უკეთებს იმას, თუ როგორ აწვდიან აპლიკაციები კონტექსტს LLM-ებს. Responses API-ში MCP სერვერების მხარდაჭერით, დეველოპერები შეძლებენ ჩვენი მოდელები დაუკავშირონ ნებისმიერი MCP სერვერზე ჰოსტებულ ხელსაწყოებს მხოლოდ რამდენიმე სტრიქონი კოდით. ქვემოთ მოცემულია რამდენიმე მაგალითი, თუ როგორ შეუძლიათ დეველოპერებს Responses API-თან ერთად დისტანციური MCP სერვერების გამოყენება უკვე დღეს:

Python

1response = client.responses.create(
2  model="gpt-4.1",
3  tools=[{
4    "type": "mcp",
5    "server_label": "shopify",
6    "server_url": "https://pitchskin.com/api/mcp",
7  }],
8  input="Add the Blemish Toner Pads to my cart"
9)

Blemish Toner Pads დაემატა თქვენს კალათას! გადახდაზე გადასვლა შეგიძლიათ აქ:

Pitch. Skin checkout page showing express options (Shop Pay, PayPal, G Pay), contact and delivery form fields, and an order summary for one ‘Blemish Toner Pads 200 mL (120 pads)’ priced at AUD $49.

პოპულარულ დისტანციურ MCP სერვერებს შორის არიან Cloudflare⁠(იხსნება ახალ ფანჯარაში), HubSpot⁠(იხსნება ახალ ფანჯარაში), Intercom⁠(იხსნება ახალ ფანჯარაში), PayPal⁠(იხსნება ახალ ფანჯარაში), Plaid⁠(იხსნება ახალ ფანჯარაში), Shopify⁠(იხსნება ახალ ფანჯარაში), Stripe⁠(იხსნება ახალ ფანჯარაში), Square⁠(იხსნება ახალ ფანჯარაში), Twilio⁠(იხსნება ახალ ფანჯარაში), Zapier⁠(იხსნება ახალ ფანჯარაში) და სხვა. ველით, რომ დისტანციური MCP სერვერების ეკოსისტემა მომდევნო თვეებში სწრაფად გაიზრდება, რაც დეველოპერებს გაუმარტივებს ძლიერი აგენტების შექმნას, რომლებსაც შეუძლიათ დაუკავშირდნენ იმ ხელსაწყოებსა და მონაცემთა წყაროებს, რომლებსაც მათი მომხმარებლები უკვე ეყრდნობიან. ეკოსისტემის საუკეთესოდ მხარდასაჭერად და ამ განვითარებად სტანდარტში წვლილის შესატანად, OpenAI ასევე შეუერთდა MCP-ის მმართველ კომიტეტს.

თუ გსურთ გაიგოთ, როგორ გაუშვათ თქვენი საკუთარი დისტანციური MCP სერვერი, გაეცანით Cloudflare-ის⁠(იხსნება ახალ ფანჯარაში) ამ გზამკვლევს. ხოლო იმის გასაგებად, როგორ გამოიყენოთ MCP ხელსაწყო Responses API-ში, გაეცანით ამ გზამკვლევს⁠(იხსნება ახალ ფანჯარაში) ჩვენს API Cookbook-ში.

განახლებები სურათის გენერირებაში, კოდის ინტერპრეტატორში და ფაილების ძიებაში

Responses API-ში ჩაშენებული ხელსაწყოებით, დეველოპერებს შეუძლიათ მარტივად შექმნან უფრო შესაძლებლობიანი აგენტები მხოლოდ ერთი API გამოძახებით. მსჯელობის პროცესში რამდენიმე ხელსაწყოს გამოძახებით, მოდელები ახლა მნიშვნელოვნად უკეთეს შედეგებს აჩვენებენ ხელსაწყოების გამოძახების მხრივ ინდუსტრიის სტანდარტულ ბენჩმარკებზე, როგორიცაა Humanity’s Last Exam (წყარო). დღეს ვამატებთ ახალ ხელსაწყოებს, მათ შორის:

სურათის გენერირება: Images API⁠(იხსნება ახალ ფანჯარაში)-ის გამოყენების გარდა, დეველოპერებს ახლა შეუძლიათ ჩვენს უახლეს სურათის გენერირების მოდელზე — gpt-image-1 — წვდომა, როგორც Responses API-ის შიგნით არსებულ ხელსაწყოზე. ეს ხელსაწყო მხარს უჭერს რეალურ დროში სტრიმინგს — რაც დეველოპერებს საშუალებას აძლევს იხილონ სურათის წინასწარი ვერსიები მისი გენერირებისას — და მრავალსვლიან რედაქტირებას — რაც დეველოპერებს საშუალებას აძლევს მოდელს მოთხოვნით ეს სურათები ეტაპობრივად და დეტალურად დახვეწოს. გაიგეთ მეტი⁠(იხსნება ახალ ფანჯარაში).
Code Interpreter: დეველოპერებს ახლა შეუძლიათ Code Interpreter⁠(იხსნება ახალ ფანჯარაში) ხელსაწყოს გამოყენება Responses API-ში. ეს ხელსაწყო სასარგებლოა მონაცემთა ანალიზისთვის, რთული მათემატიკური და პროგრამირების ამოცანების გადასაჭრელად, და იმისთვის, რომ მოდელებმა ღრმად გაიგონ და დაამუშაონ სურათები (მაგ., სურათებით აზროვნება). ისეთი მოდელების შესაძლებლობამ, როგორიცაა o3 და o4-mini, გამოიყენონ Code Interpreter ხელსაწყო საკუთარი აზროვნების ჯაჭვის ფარგლებში, რამდენიმე ბენჩმარკზე, მათ შორის Humanity’s Last Exam-ზე, უკეთესი შედეგები მოიტანა (წყარო). გაიგეთ მეტი⁠(იხსნება ახალ ფანჯარაში).
ფაილების ძიება: დეველოპერებს ახლა შეუძლიათ ჩვენს მსჯელობის მოდელებში ფაილების ძიების⁠(იხსნება ახალ ფანჯარაში) ხელსაწყოზე წვდომა. ფაილების ძიება დეველოპერებს საშუალებას აძლევს მომხმარებლის მოთხოვნის საფუძველზე მათი დოკუმენტების შესაბამისი ნაწილები შეიტანონ მოდელის კონტექსტში. ასევე წარმოგიდგენთ ფაილების ძიების ხელსაწყოს განახლებებს, რომლებიც დეველოპერებს საშუალებას აძლევს ძიება შეასრულონ მრავალ ვექტორულ საცავში და მხარს უჭერს ატრიბუტების ფილტრაციას მასივებით. გაიგეთ მეტი⁠(იხსნება ახალ ფანჯარაში).

ახალი ფუნქციები Responses API-ში

ახალი ხელსაწყოების გარდა, Responses API-ში ასევე ვამატებთ ახალი ფუნქციების მხარდაჭერას, მათ შორის:

ფონური რეჟიმი: როგორც აგენტურ პროდუქტებში, როგორიცაა Codex, სიღრმისეული კვლევა და Operator, მსჯელობის მოდელებს რთული პრობლემების გადასაჭრელად შეიძლება რამდენიმე წუთი დასჭირდეთ. დეველოპერებს ახლა შეუძლიათ ფონური რეჟიმის გამოყენება, რათა o3‑ის მსგავს მოდელებზე შექმნან მსგავსი გამოცდილებები ტაიმაუტებზე ან კავშირის სხვა პრობლემებზე ნერვიულობის გარეშე — ფონური რეჟიმი ამ ამოცანებს ასინქრონულად იწყებს. დეველოპერებს შეუძლიათ ან დააპოლონ ეს ობიექტები დასრულების შესამოწმებლად, ან დაიწყონ მოვლენების სტრიმინგი მაშინ, როცა მათ აპლიკაციას უახლესი მდგომარეობის მიღწევა დასჭირდება. გაიგეთ მეტი⁠(იხსნება ახალ ფანჯარაში).

Python

1response = client.responses.create(
2  model="o3",
3  input="Write me an extremely long story.",
4  reasoning={ "effort": "high" },
5  background=True
6)

მსჯელობის შეჯამებები: Responses API-ს ახლა შეუძლია შექმნას მოდელის შიდა აზროვნების ჯაჭვის მოკლე, ბუნებრივ ენაზე დაწერილი შეჯამებები, მსგავსად იმისა, რასაც ChatGPT‑ში ხედავთ. ეს დეველოპერებს უმარტივებს გამართვას, აუდიტს და საბოლოო მომხმარებლის უკეთესი გამოცდილების შექმნას. მსჯელობის შეჯამებები დამატებითი საფასურის გარეშეა ხელმისაწვდომი. გაიგეთ მეტი⁠(იხსნება ახალ ფანჯარაში).

Python

1response = client.responses.create(
2    model="o4-mini",
3    tools=[
4        {
5            "type": "code_interpreter",
6            "container": {"type": "auto"}
7        }
8    ],
9    instructions=(
10        "You are a personal math tutor. "
11        "When asked a math question, run code to answer the question."
12    ),
13    input="I need to solve the equation `3x + 11 = 14`. Can you help me?",
14    reasoning={"summary": "auto"}
15)

დაშიფრული მსჯელობის ელემენტები: მონაცემთა ნულოვანი შენარჩუნებისთვის (ZDR)⁠(იხსნება ახალ ფანჯარაში) უფლებამოსილ მომხმარებლებს ახლა შეუძლიათ API მოთხოვნებს შორის მსჯელობის ელემენტების ხელახლა გამოყენება — ისე, რომ არცერთი მსჯელობის ელემენტი არ ინახებოდეს OpenAI-ის სერვერებზე. ისეთი მოდელებისთვის, როგორიცაა o3 და o4-mini, ფუნქციის გამოძახებებს შორის მსჯელობის ელემენტების ხელახლა გამოყენება ზრდის ინტელექტს, ამცირებს token-ების გამოყენებას და ზრდის ქეშის მოხვედრის მაჩვენებელს, რაც შედეგად ამცირებს ხარჯებსა და დაყოვნებას. გაიგეთ მეტი⁠(იხსნება ახალ ფანჯარაში).

Python

1response = client.responses.create(
2  model="o3",
3  input="Implement a simple web server in Rust from scratch.",
4  store=False,
5  include=["reasoning.encrypted_content"]
6)

ფასები და ხელმისაწვდომობა

ყველა ეს ხელსაწყო და ფუნქცია ახლა უკვე ხელმისაწვდომია Responses API-ში და მხარდაჭერილია ჩვენს GPT‑4o სერიაში, GPT‑4.1 სერიაში და OpenAI-ის o-სერიის მსჯელობის მოდელებში (o1, o3, o3‑mini და o4-mini). სურათის გენერირება მხარდაჭერილია მხოლოდ ჩვენი მსჯელობის მოდელების სერიის o3‑ზე.

არსებული ხელსაწყოების ფასები უცვლელი რჩება. სურათის გენერირების ღირებულებაა $5.00/1M ტექსტის შემავალი token, $10.00 / 1M სურათის შემავალი token და $40.00 / 1M სურათის გამომავალი token, ქეშირებული შემავალი token-ებისთვის 75%-იანი ფასდაკლებით. Code Interpreter-ის ღირებულებაა $0.03 თითო კონტეინერზე. ფაილების ძიების ღირებულებაა $0.10/GB ვექტორული საცავისთვის დღეში და $2.50/1k ხელსაწყოს გამოძახებაზე. დისტანციური MCP სერვერის ხელსაწყოს გამოძახებისთვის დამატებითი საფასური არ არსებობს — თქვენ მხოლოდ API-ის გამომავალი token-ებისთვის იხდით. მეტი გაიგეთ ფასების⁠(იხსნება ახალ ფანჯარაში) შესახებ ჩვენს დოკუმენტაციაში.

მოუთმენლად ველით, რას შექმნით!

ავტორი

OpenAI